Como estruturamos a nova Central de Ajuda do Projuris Empresas utilizando o Confluence. Que a documentação é um processo importante na gestão de produtos, todo mundo sabe. Ela guarda legado, registra decisões e serve como uma grande coletânea para que no futuro todos entendam o quê foi feito e por quê foi feito. Dito isso, ela também assume o papel de comunicadora e educadora, levando ao usuário todas as informações sobre o produto. Ok, mas como alcançar esse propósito e entregar ao usuário tudo que ele precisa sem a necessidade de “sair catando informação”? A resposta é bem simples: estruturando uma Central de Ajuda. Por onde começar? Escolha a ferramenta certa. Aqui o importante é que ela seja dedicada a documentação, pensada com esse propósito, isso faz toda diferença. Anteriormente, aqui no Projuris Empresas, nós utilizávamos o Movidesk, uma ferramenta de suporte que disponibilizava uma pequena funcionalidade de base de conhecimento, o que engessava a estruturação de uma organização mais intuitiva do conteúdo, que fizesse sentido ao usuário e possuía uma usabilidade que limitava a disponibilização de recursos durante a consulta. Entendemos o que precisava melhorar e buscamos ferramentas que atendessem essa expectativa e tivessem no centro das funcionalidades: a documentação. Foi assim que chegamos no Confluence (que já era utilizada e exaltada pelos nossos colegas do Projuris ADV), ele tem como objetivo ser uma ferramenta de documentação e inclusive é uma das referências neste quesito (Habemus Confluence!). Desenhe a sua estrutura Agora que a ferramenta está definida, é hora de pensar na estrutura. Em como apresentar esse conteúdo de uma forma que fará sentido ao usuário e facilitará o acesso às informações. Nós resolvemos isso literalmente desenhando (muito artistas elas): sentamos e pensamos em todo o conteúdo pré-existente e em como apresentá-lo, a ideia principal era que ele deveria refletir o nosso produto e ser intuitivo. Desta forma, criamos grandes categorias que serviram de agrupadores para os artigos e demais conteúdos. Isso também ajudou no momento da migração, pois como já tínhamos o “esqueleto” foi necessário apenas mover os conteúdos para sua categoria correta. Inicie migração Chegou o momento mais esperado: a migração. Depois que a estrutura foi definida nós iniciamos o processo de migração, transferimos exatos 618 artigos (meus amigos, foi suado!) e infelizmente, como Movidesk não disponibilizava um backup em um formato compatível com o Confluence, tivemos que recorrer ao bom e velho “copy & past”. E aqui temos um ponto importante: se a ferramenta escolhida não fosse pensada para documentação esse processo seria ainda mais moroso, como o Confluence é pensado para isso, ao colar o conteúdo ele já ia se adaptando necessitando de pouca interferência. Apesar de todo esse trabalho, ainda assim, concluímos toda a migração em menos de duas semanas. Ah e consideração importante: hoje se precisarmos exportar todo nosso conteúdo, isso pode ser feito rapidamente em poucos minutos, isso porque o Confluence permite a exportação nos formatos “.pdf, .docx, html e xml”, se necessário (uma nova migração hoje seria pá-pum!). Alinhe os detalhes Após a migração, foi hora de cuidar dos pormenores, ou seja, olhar para estrutura do conteúdo em si. Validamos links, imagens, gifs, definimos títulos, padrões, e etc. Nesta fase é importante que você coloque o usuário no centro das decisões, pois o conteúdo tem que conversar com a estrutura pensada: Verifique se a apresentação das informações nos artigos é lógica e clara; Se os artigos estão inseridos na estrutura correta; E principalmente, se são pesquisáveis e fáceis de localizar. Detalhes que fazem a diferença na hora da entrega como um todo. Aqui nós contamos com a ajuda da IA para revisar e criar artigos essenciais, principalmente os que tinham como objetivo o onboarding do usuário. O único problema significativo que tivemos nesse processo foi em relação as imagens e gifs que são utilizadas para ilustrar nossas documentações, porque esse tipo de arquivo não pode ser copiado e colado como o restante do conteúdo, eles devem ser adicionados individualmente (sim, um a um), do contrário, cria-se um vínculo entre as duas ferramentas e depois de um tempo as imagens quebram, pois perdem as referências de hospedagem, portanto é bom ter atenção e cuidado com relação a isso, principalmente na migração de um número considerável de conteúdo (como foi o nosso caso). Pense no design A apresentação é a chave do negócio! Depois que todo o “corpo” da nossa central estava construído nós passamos a nos preocupar com o design em si. Para ajudar nesse item contratamos o Refined que é um plugin que permite a personalização do Confluence, então, foi a vez do nosso Product Designer entrar em ação. Mais uma vez desenhamos a estrutura que queríamos (falei que elas são artistas), e isso serviu para validar visualmente se faria sentido e nortear o especialista. A partir desse desenho ele começou a desenvolver o design da central, considerando a identidade visual do produto e a melhor usabilidade. Nesse passo, novamente pensamos na correlação entre produto x central, nós trouxemos muitas referências do sistema para ela, não apenas a paleta de cores e logos, mas também ícones, estrutura, nomenclaturas, tudo isso para que usuário se sentisse familiarizado com o contexto e estabelecesse essa relação entre as duas coisas (mais a frente você vai entender porquê isso fez sentido). Além disso, não nos limitamos a apenas utilizar o conteúdo do Confluence, também vinculamos links de outras plataformas com informações do Projuris, como Youtube, Blog, Site, Portal de Tickets e etc, isso permite que usuário tenha acesso a tudo a respeito desse universo em um único lugar. Valide antes de lançar Então pronto, temos a estrutura, o conteúdo, o design e agora? Já podemos colocar no ar? Até poderia… mas como ter certeza que ela está aderente ao que o nosso usuário precisa? Que não há nenhuma possibilidade de melhoria? Só testando não é mesmo?! Por isso, antes de publicar a nova central no produto, nós decidimos convidar clientes internos e externos para um teste de validação. Definimos um pequeno roteiro de execuções (busca, navegação, validações de nomenclaturas, estrutura, e etc.), pedimos que as pessoas utilizassem feedbacks para alinhar ainda mais a nossa entrega. O resultado disso? Além de feedbacks que contribuíram para a assertividade do projeto (aquele ok de que tomamos a decisão certa), conseguimos corrigir a rota antes da entrega final, mudando nomenclaturas que não estavam muito claras, reordenando conteúdos na estrutura e criando outros com base nas sugestões. Lembra que eu falei sobre a intenção de fazer uma relação entre o produto e a central? Isso se confirmou aqui, pudemos perceber que os usuários se localizaram de maneira muito mais fácil porque relacionaram seus módulos contratados com a apresentação existente na central, comprovando a familiaridade. Lance e divulgue muito! Agora sim, podemos dizer que ficou tudo “redondinho” (para começar pelo menos) e depois de todas as validações, finalmente é hora de publicar. Nós começamos pedindo para a equipe de engenharia inserir o link da nova central diretamente no Projuris, isso já era uma prática nossa, portanto foi necessário apenas substituir o acesso antigo. Ao mesmo tempo, alinhamos com a equipe de marketing a estratégia de divulgação. Quando ficou tudo pronto nós divulgamos nos canais internos (teams e e-mail), no produto (através do Beamer), na comunidade Heroes (uma comunidade formada por clientes do Projuris) e no e-mail marketing (uff fizemos barulho!). Próximos passos Como eu falei, esse é só começo, a documentação é um trabalho cultural, as pessoas precisam ser educadas tanto para entender importância de produzi-la quanto o hábito de consumi-la. Então, a partir de agora nossos próximos passos incluem a curadoria da nova central, coleta dos dados para analisar as oportunidades de melhoria, a integração com iniciativas de IA e a produção de novos conteúdos. Mas a pergunta que fica é: pronto para dar um upgrade na sua central de ajuda? Se você quer ver de perto como fizemos isso no Projuris Empresas, clica aqui para explorar a nossa nova Central de Ajuda e conte o que achou. Adoraria trocar ideias sobre os desafios (e as vitórias!) desse processo. Me manda uma mensagem, vamos juntos construir documentações ainda mais incríveis!

Em 1986, o Brasil apostou tudo em um plano ambicioso para conter a inflação: uma nova moeda (o cruzado), congelamento de preços e uma promessa ousada de estabilização econômica. A euforia foi imediata. Por um breve período, parecia que o país finalmente havia vencido a hiperinflação, mas o otimismo durou pouco. Em poucos meses, a inflação voltou com força — e o plano colapsou. Mas por que o Plano Cruzado fracassou? De forma simplificada, o governo brasileiro não fez um diagnóstico claro e preciso da dinâmica inflacionária. Francisco Lopes, um dos idealizadores do plano, reconheceu depois que o governo subestimou a complexidade da inflação inercial e superestimou o poder de um congelamento de preços sem mecanismos de transição (LOPES, 1989). Havia também disputas políticas internas entre os ministérios que dificultaram a construção de um plano mais sustentável. Luiz Carlos Bresser-Pereira, participante ativo do governo da época, foi um dos primeiros a destacar que o plano carecia de sustentação fiscal e de mecanismos de ajuste mais flexíveis. O resultado? Um alívio passageiro, seguido de um retorno ainda mais desorganizado da inflação, culminando no fracasso do plano em menos de um ano. E o que isso tem a ver com Gestão de Produtos? Mais do que parece. Quantas vezes, em Gestão de Produto, nos sentimos pressionados a entregar logo alguma solução? Quantas vezes pulamos a fase de diagnóstico? Quantas vezes vamos direto para o desenvolvimento, sem entender a fundo a dor do usuário, o cenário de uso, ou até se o problema existe mesmo? Movidos pela urgência, entregamos rápido — e mal. E aí o que lançamos não resolve a dor real, não gera valor, e pode até gerar mais confusão do que solução. Tomemos como exemplo a nova Tela de Consulta de Títulos que criamos para o Sienge. Acreditávamos que o que os usuários mais valorizavam era uma tela completa, repleta de filtros e com o máximo de informações disponíveis. Ainda que tenhamos validado algumas dessas hipóteses — e parte delas até tenham sido confirmadas, no lançamento percebemos que a realidade era diferente: o engajamento foi abaixo do esperado e, durante o piloto, 60% dos clientes ainda preferiam utilizar a tela antiga. Diante desse cenário, partimos para a escuta ativa: coletamos feedbacks, analisamos os principais pontos de atrito e mergulhamos mais fundo no comportamento dos usuários. Descobrimos, então, que a principal dor não estava na falta de informação, mas sim no excesso dela. Para uma parte dos clientes, a nova tela parecia carregada demais e dificultava a navegação. Por outro lado, havia também um grupo que valorizava justamente o acesso amplo e detalhado aos dados. Ou seja: o que parecia um problema de funcionalidade era, na verdade, uma questão de flexibilidade. A solução só surgiu a partir desse entendimento mais profundo: criamos duas versões complementares — uma tela sintética, mais leve e objetiva, e outra com análise mais detalhada dos resultados. Assim, conseguimos atender perfis diferentes de usuários, respeitando seus modos de operar. A versão sintética passará por piloto nos próximos meses. Vejamos abaixo a diferença entre as soluções que foram propostas: Versão Sintética Versão Analítica O que diz a teoria? Essa realidade já foi amplamente discutida em boas práticas de Produto, como as defendidas por Marty Cagan em Inspired (2017), que reforça: os melhores produtos nascem de um entendimento profundo dos problemas dos usuários — e não da pressa por entregar algo. Melissa Perri também destaca em Escaping the Build Trap (2018) que times que não sabem diagnosticar e priorizar problemas reais acabam caindo na armadilha de "entregar por entregar", sem impacto. Diagnóstico importa — e muito. Entender o contexto, investigar as causas, escutar de verdade as dores: isso faz toda a diferença. No Plano Cruzado, a ausência de um diagnóstico sólido comprometeu toda a estratégia. Em Gestão de Produto, acontece o mesmo quando deixamos de lado a descoberta e saltamos direto para a entrega. Referências Bresser-Pereira, Luiz Carlos. A crise do Estado. Nobel, 1992. Cagan, Marty. Inspired: How to Create Tech Products Customers Love. Wiley, 2017. Lopes, Francisco. O choque heterodoxo do Plano Cruzado e a teoria da inflação inercial. Revista de Economia Política, 1989. Perri, Melissa. Escaping the Build Trap: How Effective Product Management Creates Real Value. O'Reilly Media, 2018.

Este artigo foi elaborado com o apoio de ferramenta de Inteligência Artificial, utilizadas para estruturar e organizar informações, com revisão e supervisão humanas em todas as etapas. No mundo corporativo, tempo é o recurso mais escasso e, muitas vezes, indiscriminadamente, o mais mal aproveitado. Milhares de horas são perdidas em tarefas repetitivas, processos manuais e demandas de baixo valor estratégico. Por que isso é importante?O impacto da ineficiência vai muito além do financeiro: compromete a produtividade, reduz o engajamento e enfraquece o alinhamento estratégico das equipes, afetando diretamente a capacidade de inovação e competitividade organizacional. É nesse contexto que a Inteligência Artificial (IA) deixa de ser “mais uma” inovação tecnológica e passa a atuar como um pilar estratégico para a transformação organizacional, impulsionando a reconfiguração de processos e a criação de novos modelos de trabalho. Não estamos falando apenas de automação, mas de mudar o próprio papel das pessoas dentro das organizações, criando espaço para que o talento humano seja investido em criatividade, estratégia e inovação. Os números Processos manuais que não exigem análise profunda ou estratégica podem ser verdadeiros sabotadores de produtividade.A automação com IA devolve horas valiosas e, mais importante, devolve foco, propósito e autonomia. Um estudo realizado pela BCG X (2024) mostrou que profissionais que adotaram IA ganharam, em média, 5 horas por semana para desempenhar ainda mais atividades de maior valor. Do ponto de vista empresarial, isso significa semanas inteiras de produtividade extra por ano. E os impactos vão além, desses entrevistados: 41% relataram mais eficiência nas entregas. 39% expandiram suas responsabilidades para novas tarefas. 38% passaram a atuar de forma mais estratégica. A OCDE (2025) reforça que empresas que aplicam IA em tarefas operacionais ganham entre 5% e 25% de produtividade. O ganho não está só na redução de tempo, mas no reposicionamento do trabalho humano. E ainda, segundo a empresa de tecnologia, HP, que conduziu pesquisa global entrevistando mais de 15 mil pessoas em 12 países, identificou que 73% dos entrevistados dizem que a IA facilita o trabalho, e 69% personalizam o uso da IA para aumentar a produtividade. Panorama geral – O mundo já mudou. E o trabalho também. Os benefícios da Inteligência Artificial, quando bem utilizada e integrada de forma estratégica à rotina de trabalho, são claros e indicam que precisaremos mudar a maneira como estamos acostumados a trabalhar. Segundo a consultoria global McKinsey, mais de 50% das ocupações têm pelo menos 30% de suas atividades automatizáveis com tecnologias já disponíveis. Até 2030, metade das atividades laborais poderão ser executada total ou parcialmente por IA. Embora o dado possa parecer preocupante, a interpretação mais produtiva é otimista: a IA não vai roubar empregos, mas sim potencializar a execução de tarefas repetitivas e rotineiras, liberando espaço para que os profissionais desenvolvam habilidades mais humanas e criativas. A questão já não é mais “se” você vai adotar IA, mas como vai usá-la de forma responsável, estratégica e mensurável. Onde a IA é forte e o humano é insubstituível Kai-Fu Lee, cientista da computação e especialista em IA, diz que a Inteligência Artificial veio para nos libertar de trabalhos rotineiros e nos lembrar do que nos torna humanos. Em seu livro Inteligência Artificial (2019), ele relata a derrota de Ke Jie, o melhor jogador humano de Go, para a AlphaGo (uma IA), como um símbolo do potencial da interação entre humanos e IA: O humano traz propósito, sentimento e criatividade para tudo que faz. A IA executa e segue comandos com precisão. Com base nisso, Lee criou uma matriz que nos ajuda a entender melhor onde a IA pode potencializar os processos e onde a presença humana continua essencial: Precisa de interação social/empatia Não de interação social ou empatia Fonte: Kai Fu Lee A matriz considera duas dimensões: Complexidade cognitiva e criatividade: tarefas que exigem julgamento, empatia, decisão estratégica ou inovação. Rotina e dados: tarefas repetitivas, previsíveis ou baseadas em análise de dados. A partir dessas dimensões, os processos podem ser classificados em três categorias: IA sozinha: atividades que são padronizadas, previsíveis ou baseadas em regras e dados. São processos que podem ser automatizados sem perda de qualidade ou risco. Humano sozinho (podendo utilizar a IA como apoio): atividades que exigem compreensão contextual, criatividade, empatia ou tomada de decisão estratégica. São processos que não podem ser delegados exclusivamente à IA sem comprometer o resultado. Humano + IA: processos onde a IA executa tarefas repetitivas ou analíticas, liberando o humano para focar no que exige julgamento, visão estratégica ou criatividade. Essa combinação gera resultados mais eficientes e permite que o humano atue em alto valor. Assim, qualquer área pode analisar seus processos pensando: o que pode ser automatizado de forma segura e o que precisa da inteligência e sensibilidade humanas. A matriz funciona como guia para priorizar onde investir IA e onde manter o humano no centro do processo. Segundo Kai-Fu Lee, são três as áreas em que a IA fica aquém da capacidade humana e é improvável que consiga fazer isso nas próximas décadas, são elas: Criatividade – A IA não cria, conceitua, ou planeja estrategicamente. Apenas otimiza objetivos definidos, sem capacidade de definir metas, aplicar conhecimento em diferentes áreas ou usar bom senso. Empatia – A IA não pode sentir ou interagir com base em emoções. Não transmite cuidado, compreensão ou motivação genuína, e dificilmente substitui o toque humano em serviços que dependem dessa conexão; Destreza física – A IA não pode realizar um trabalho físico complexo que exija destreza ou coordenação motora, ou lidar com espaços desconhecidos e não estruturados, especialmente aqueles que ela não tenha observado.  O futuro do trabalho não é sobre humanos ou máquinas, mas sobre a sinergia entre ambos, uma colaboração em que a IA potencializa o que fazemos de melhor, enquanto nós damos direção, propósito e criatividade ao que ela executa. 6. Case Starian e Softplan O time de Privacidade da Starian e Softplan identificou uma oportunidade estratégica para otimizar duas atividades essenciais, porém operacionais e de alto consumo de tempo: análise de contratos e resposta a questionários de privacidade. Contratos: precisam ser implementados e revisados para assegurar aderência às políticas internas e à legislação. Questionários de privacidade: exigem respostas fundamentadas com base em regulamentos e documentos internos, sendo extensos e determinantes para transparência e consistência. Apesar da importância, o processo era manual, seguia padrões internos e demandava muitas horas, o que aumentava o risco de erros à medida que a demanda crescia. A equipe viu na IA a chance de transformar esse cenário. Da ideia à implementação Com apoio do TI, a solução foi criada de forma estruturada e segura. Operando em um ambiente fechado, o que garante maior proteção e privacidade dos dados.O desenvolvimento seguiu cinco passos: Priorizar atividades de maior impacto e volume. Definir limites da IA, mantendo decisões críticas sob supervisão humana. Treinar o modelo com contratos, políticas internas e referências relevantes. Configurar padrões e comandos para o contexto organizacional. Integrar a entrega final com comentários e sugestões para revisão do time de privacidade. O resultado: uma ferramenta que analisa contratos e questionários, entrega o documento pronto para revisão e mantém consistência e qualidade. Impacto na produtividade Os ganhos foram tangíveis: Contratos: Considerando uma média de 70 contratos recebidos por mês, sendo que, cada um levava em média 2h para análise. Com a IA, economizamos 30 minutos por contrato, equivalente a 35h/mês ou 420h/ano. Questionários de privacidade: Houve uma redução de 50% do tempo, economizando 2h30 por questionário, equivalente a 50h/mês ou 600h/ano. Essa automação liberou a equipe para decisões estratégicas, sem comprometer a qualidade ou a confiabilidade dos processos. Aprendizados e boas práticas Ao longo da implementação, o time de Privacidade da Starian percebeu que o sucesso da IA depende do equilíbrio entre tecnologia e supervisão humana. Alguns pontos se destacaram: Personalização é chave: a IA precisa ser treinada e ajustada ao contexto específico do negócio, demandas e atividades. Cada detalhe conta. Supervisão contínua é indispensável: alucinações e erros podem ocorrer, e a intervenção humana garante precisão e adequação. Qualidade dos dados importa: quanto melhor os insumos melhores e mais confiáveis os resultados gerados. Interação constante gera melhorias: feedback real do time aprimora a ferramenta e cria evolução contínua. Decisões críticas continuam humanas: a IA é aliada, mas a análise estratégica permanece sendo condição essencialmente humana. Soluções contratadas aumentam segurança: ferramentas validadas garantem consistência e proteção. Esses aprendizados mostram que agilidade e cautela precisam andar juntas. O uso inadequado de IA pode gerar riscos sérios: prejuízos financeiros, vazamento ou retenção indevida de dados pessoais, sensíveis e confidenciais, criação de informações falsas e confiança excessiva em sistemas não seguros. Portanto, algumas práticas são essenciais: Evitar inserir dados pessoais ou documentos confidenciais, especialmente em ferramentas não contratadas. Revisar sempre o conteúdo gerado. Questionar vieses ou distorções nos resultados. Utilizar apenas soluções aprovadas e adequadas pela organização. Capacitar a equipe e registrar riscos de cada uso junto com as áreas de privacidade e segurança da informação. Na Starian, aprendemos que quando humanos e IA trabalham em sinergia, os ganhos vão muito além da produtividade: entregamos mais qualidade, segurança e tempo para focar no que realmente importa, decisões estratégicas que apenas pessoas podem tomar. A tecnologia potencializa, mas é o olhar humano que garante consistência e confiança. Conclusão A experiência da Starian e da Softplan mostra que a Inteligência Artificial, quando implementada com propósito, personalização e supervisão humana, vai muito além da automação: ela se torna um multiplicador de valor. O ganho não é apenas em horas economizadas, mas em qualidade, consistência e capacidade de dedicar energia ao que realmente impulsiona resultados, decisões estratégicas, inovação e relações de confiança. O futuro do trabalho já começou. Organizações que aprendem a combinar a precisão da IA com o olhar crítico e criativo do humano não apenas otimizam processos, mas constroem equipes mais engajadas e preparadas para os desafios de um mercado em constante mudança. Mais do que substituir tarefas, a IA nos convida a redefinir prioridades, ampliar nosso alcance e, principalmente, reforçar aquilo que nenhuma máquina pode replicar: propósito, sensibilidade e visão. Quando humanos e IA atuam juntos, produtividade e impacto deixam de ser metas isoladas e passam a ser o novo padrão de excelência.

Recentemente, liderei as frentes de Produto e UX no desenvolvimento de uma solução SaaS de IA para SEO, com um foco estratégico na adoção de tecnologias que acelerassem a busca pelo Product-Market-Fit (PMF) e pelo Minimum Viable Product (MVP). A abordagem escolhida também visava otimizar fatores cruciais, como a redução dos custos de desenvolvimento e a diminuição da curva de aprendizagem, garantindo um processo mais eficiente e acessível. Por isso, decidimos utilizar a seguinte stack de soluções para o desenvolvimento do software: Figma (prototipagem); Solução no-code para front-end web; A princípio íamos utilizar backend low-code, mas pivotamos e usamos tecnologia high code. Uma das principais vantagens dessa stack é que a velocidade de desenvolvimento do front-end seria muito maior por conta dos facilitadores, mas mantivemos o core da solução no backend em tecnologia high code, permitindo escala com melhor eficiência em cloud e flexibilidade. Posso explicar melhor o racional e quais opções nós cogitamos em um próximo post, mas vamos em frente aqui (comenta aqui se você gostaria de ler sobre isso). 5 lições aprendidas com no-code: 1. Velocidade maior: É indiscutível que uma solução no-code traz mais agilidade no desenvolvimento, acredito que reduzimos o tempo de desenvolvimento do front-end na ordem de 80%. Chega a ser bonito ver a facilidade que é criar as interfaces e os workflows, ainda mais quando você pode simplesmente utilizar um plugin e importar as telas diretamente do Figma. Se você é UX ou PM, imagine validar entregas e fazer ajustes de forma ágil. Melhor ainda: você mesmo pode criar as interfaces! Eu mesmo fiz isso diversas vezes ao longo do projeto. Muitas vezes, gastamos tempo documentando pequenos ajustes de usabilidade para que os desenvolvedores os corrijam, mas, nessa abordagem, bastava selecionar a camada e ajustar diretamente, sem intermediários. Tem um ponto positivo que vale destacar: O software no-code que usamos tem uma estrutura de auto-layout bem parecida com o Figma, se você domina Figma, vai tirar de letra. 2. Existirá uma curva de aprendizagem: Existem poucos profissionais com experiência prática na utilização de tecnologia low/no-code no país. Isso significa que você provavelmente vai ter que treinar o time a lidar com essa tecnologia, e naturalmente isso vai gerar alguns erros operacionais, bugs, e vai fritar alguns neurônios. A curva de aprendizagem é bem menor que uma tecnologia high-code, mas vai levar um tempinho para você construir um time maduro. 3. Você vai ter que repensar alguns processos: Gestão de equipes, branches, merges, servidores de homologação, deploys… Você vai ter que pensar nesses processos para garantir qualidade nas entregas e mitigar erros. Imagina alguém dar um “misclick” no software no-code e subir em produção uma branch errada… 4. Problemas novos surgem: Nem tudo são flores, ao utilizar uma plataforma para desenvolver um software, você pode acabar ficando dependente da empresa que fornece a plataforma (o famoso vendor lock-in), por isso é importante escolher de forma consciente qual tecnologia você vai utilizar. No caso do software que escolhemos, é possível exportar o projeto em código, então se no futuro você quiser tirar da plataforma, é possível, apesar que nunca fiz isso, você já exportou um projeto em produção? Conta aqui como foi. Além disso, você começa a se deparar com problemas diferentes, por exemplo, tinha uma tela que possuía um comportamento que com um simples “for” resolvia no código, mas no no-code foi um desafio… Print de uma call onde estávamos tentando resolver esse problema: 5. Vai haver quebras de paradigmas: Como em qualquer mudança, algumas pessoas poderão se sentir ameaçadas, com medo, ou resistentes. Você precisa encontrar pessoas dispostas a reaprender várias coisas, e a desbravar o novo. Não tivemos pessoas resistentes nesse projeto mencionado, mas já presenciei em outros ambientes pessoas que ainda acreditam que essas soluções não escalam e que não funcionam. Conclusão O uso de ferramentas low-code/no-code, como o WeWeb, tem nos ajudado significativamente a acelerar experimentações e o desenvolvimento de software. No entanto, nem tudo são flores: ao longo do caminho, tivemos que repensar diversos processos de DevOps, à medida que surgiam nuances específicas de se manter um software low-code em produção. O verdadeiro desafio de qualquer negócio está em entender profundamente as necessidades dos clientes e encontrar maneiras eficazes de aumentar o engajamento, o valor percebido, a aquisição e a retenção. Além disso, todo produto de software carrega um custo muitas vezes negligenciado: o custo de oportunidade. Esse custo representa o tempo e os recursos que decidimos investir em uma determinada iniciativa (tempo que poderia estar sendo direcionado a outras apostas potencialmente mais valiosas). Ao acelerar o desenvolvimento com low-code/no-code, conseguimos reduzir substancialmente esse custo, permitindo que o foco da equipe esteja onde realmente importa: gerar valor para o cliente, e não apenas escrever código.

Um design system bem construído pode acelerar produtos. Mas é a documentação que faz ele funcionar de verdade. O que é um design system Um design system não é apenas uma biblioteca de componentes, mas sim um conjunto de componentes reutilizáveis, diretrizes e boas práticas que orientam a criação de interfaces digitais de forma consistente e escalável. Ele combina design, código, padrões de interação, escrita e princípios de marca em um repositório vivo e colaborativo, geralmente mantido por times de design, desenvolvimento e produto. A documentação deve explicar o "porquê", o "quando" e o "como" de cada elemento. Sem ela, o design system vira apenas uma biblioteca técnica, difícil de adotar, manter e escalar. O papel da documentação A documentação é a fundação que sustenta o design system como uma ferramenta estratégica. Ela conecta elementos visuais e funcionais ao seu contexto de uso real, evitando dúvidas, decisões isoladas e retrabalho entre as áreas. Mais do que um manual técnico, a documentação atua como uma fonte única de verdade (single source of truth) para todos os times envolvidos na construção de um produto digital. Designers, desenvolvedores e PMs encontram ali um ponto de referência confiável sobre padrões de interface, diretrizes de uso, regras de comportamento e justificativas por trás das decisões de design. Com isso, a comunicação entre áreas se torna mais clara, o onboarding de novos profissionais fica mais rápido, esforços duplicados são evitados e o alinhamento com a identidade da marca e os objetivos do produto é mantido com muito mais consistência. A documentação permite que decisões sejam tomadas com mais segurança, pois todos trabalham com base nas mesmas informações, sem achismos, ruídos ou interpretações divergentes. Em resumo, ela garante que o design system seja compreendido, aplicado e evoluído da forma correta, tornando-se uma base sólida para colaboração e escala. Benefícios para todos Não estamos falando apenas de boas práticas teóricas. Os resultados são concretos e comprovados por algumas das empresas mais inovadoras e influentes do mercado. Organizações como IBM, Shopify, Atlassian e Adobe, grandes referências globais, há tempos entenderam que a documentação de um design system não é um detalhe, mas sim um dos pilares para garantir eficiência, qualidade e escala no desenvolvimento de produtos digitais. Essas empresas, reconhecidas mundialmente por sua excelência em design e tecnologia, obtiveram ganhos mensuráveis ao estruturar bem a documentação dos seus sistemas. Entre os benefícios estão a aceleração no tempo de entrega, a redução de bugs e a eliminação de esforço duplicado. Um experimento conduzido pela Figma comparou dois times de design de produto: um utilizando a documentação de um design system e outro sem esse suporte. O resultado foi expressivo. A equipe com documentação conseguiu atingir seus objetivos 34% mais rápido. A principal razão foi a agilidade obtida ao evitar tarefas repetitivas, como recriar componentes do zero, procurar elementos em arquivos antigos ou tomar decisões recorrentes sobre espaçamentos, tamanhos e estilos tipográficos. Os participantes também relataram um aumento significativo na confiança ao longo do processo, destacando que a reutilização de componentes bem documentados contribui diretamente para a consistência com o produto final. Esses benefícios se estendem para outras áreas da empresa. Desenvolvedores ganham eficiência ao reutilizar elementos confiáveis, o que reduz retrabalho e falhas. Equipes de produto aproveitam esse ganho de produtividade para acelerar as entregas e diminuir o time-to-market. Para os usuários, tudo isso se traduz em uma experiência mais consistente, estável e confiável, com entregas frequentes de valor. Como referências, gostaria de mencionar dois exemplos de documentação que considero excelentes. O primeiro é o Padrão Digital do Governo, o design system do governo federal. Seu propósito é fascinante: oferecer a milhões de brasileiros uma experiência padronizada em todos os produtos e serviços digitais do governo — esteja o cidadão declarando o imposto de renda, consultando o FGTS ou acessando o título de eleitor. Segundo a própria documentação, o objetivo é claro: "oferecer uma experiência única ao cidadão que se relaciona com o governo para acessar produtos e serviços." Em poucos anos, já é possível perceber avanços significativos na experiência digital, como o login unificado gov.br, que pode ser utilizado inclusive em serviços estaduais e municipais. Outro bom exemplo é o design system da Conta Azul, que se destaca por ir além do convencional. Sua documentação inclui, além de componentes e padrões visuais, conteúdos aprofundados como guias de onboarding, redação e pesquisa, oferecendo uma base completa para todas as áreas envolvidas na construção do produto. Para quem busca mais referências nacionais, recomendo visitar o site designsystemsbrasileiros.com, uma curadoria colaborativa com diversos exemplos de design systems utilizados por empresas e instituições brasileiras. A plataforma reúne iniciativas públicas e privadas, oferecendo uma visão ampla sobre como diferentes organizações têm estruturado e documentado seus sistemas para promover consistência, escala e eficiência no desenvolvimento de produtos digitais. Conclusão Um design system bem documentado não é apenas uma ferramenta de design. Ele se torna um ativo estratégico da empresa. Ele conecta pessoas, define padrões, acelera entregas, aumenta a autonomia do time e reduz custos com retrabalho. Para desenvolvedores, a documentação facilita a implementação, reduz dúvidas e acelera o uso de componentes reutilizáveis, promovendo código mais limpo e consistente. Para os times de produto, ela aumenta a previsibilidade dos projetos, melhora a colaboração com design e engenharia e ajuda a reduzir o time-to-market. Já para os usuários, tudo isso se traduz em uma experiência mais estável, intuitiva e coerente em cada ponto de contato com o produto.

A Internet Engineering Task Force (IETF) - organização internacional aberta que desenvolve e promove padrões técnicos para a internet, como os protocolos TCP/IP, HTTP e DNS - acaba de lançar a RFC 9745, que define uma forma padronizada de se informar a depreciação de recursos no contexto do HTTP, o que é especialmente relevante para APIs baseadas neste protocolo. Em resumo, a partir de agora, servidores podem informar seus clientes sobre o status de depreciação de determinados recursos utilizando o cabeçalho de resposta Deprecation, cujo valor é uma data, no passado ou futuro, indicando que o recurso já foi ou ainda será depreciado. Adicionalmente, é possível utilizar o cabeçalho link para apontar uma documentação e, também, o Sunset, trazendo a data na qual o recurso se tornará indisponível. Neste artigo iremos avaliar a viabilidade de se aplicar este padrão no mundo real. Utilizando as melhores práticas no desenvolvimento de APIs, partiremos de arquivos de definição que seguem a OpenAPI Specification e terminaremos no API gateway KrakenD. Impactos Como dito, este novo padrão é especialmente importante para as web APIs, ou seja, para as APIs que aderem ao protocolo HTTP, como as famosas REST. Neste contexto, a RFC oferece meios de se levar as políticas de depreciação — outrora restritas à documentação ou ao design time — ao tempo de execução. Portanto, a novidade tem o potencial de seriamente mitigar as quebras de integração, possibilitando aos desenvolvedores realizarem as adaptações necessárias com uma antecedência confortável. Aliás, vale lembrar que estamos entrando na era da A.I. (com seus agentes, servidores MCP e etc.), o que só faz aumentar o impacto deste novo padrão, já que eles podem aprender e se adaptar sozinhos diante da sinalização de depreciação. No contexto de governança, a RFC também torna possível aos fornecedores de gateways de API (como Kong, Tyk, KrakenD, Traefik, APISix e etc.) considerarem o novo padrão durante os processos automatizados de deploy de APIs, sobretudo quando pensamos em APIOps baseado em OpenAPI specification. Vejamos. A especificação OpenAPI prevê a indicação de depreciação de operações através do campo deprecated. Com esta nova RFC, é simplesmente natural pensarmos em linkar as coisas, ou seja, fazer com que a indicação de depreciação presente nos arquivos de definição encontre correspondência na configuração dos gateways, que, uma vez em execução, passem a injetar o novo cabeçalho de resposta nas operações apropriadas. Esta melhoria levaria a governança ao próximo nível de qualidade! Provando o conceito Utilizaremos o arquivo de definição aderentes à OpenAPI Specification (OAS) para descrever nossa API, construiremos um parser em Go utilizando a libopenapi, contaremos com o KrakenD como API gateway e um HttpBin como backend. Todos os detalhes do projeto podem ser encontrados neste repositório. Então, vou destacar apenas os pontos principais: O arquivo de definição (openapi.yaml) paths: (...) /users/{userId}: (...) delete: (...) deprecated: true Observe que a operação de deleção de usuário conta com o campo padrão da OAS deprecated com o valor true. Bem, é fácil perceber que estamos diante de uma incompatibilidade de impedância quando tentamos fazer esse booleano interagir com os novos cabeçalhos previstos na RFC 9745, já que estes são muito mais ricos em informação do que aquele. Por razões como esta, a OAS possui extensões, que, no nosso caso, serão utilizadas para descrever as propriedades esperadas pela RFC da seguinte forma: paths: (...) /users/{userId}: (...) delete: (...) deprecated: true x-deprecated-at: "2025-06-30T23:59:59Z" x-deprecated-sunset: "2026-01-01T00:00:00Z" x-deprecated-link: https://api.example.com/deprecation-policy O Parser A função do parser é ler e interpretar o arquivo de definição openapi.yaml, extrair as informações relevantes para o gateway, e criar o arquivo operations.json, que será embarcado na imagem do KrakenD e consumido durante a sua inicialização, numa abordagem denominada configuração flexível. Este é o resultado do operations.json: { "list": [ { "path": "/users", "method": "get", "backend": { "path": "/users", "host": "http://backend:8888" } }, { "path": "/users", "method": "post", "backend": { "path": "/users", "host": "http://backend:8888" } }, { "path": "/users/{userId}", "method": "get", "backend": { "path": "/users/{userId}", "host": "http://backend:8888" } }, { "path": "/users/{userId}", "method": "delete", "deprecated": { "at": "@1751327999", "link": "https://api.example.com/deprecation-policy", "sunset": "Thu, 01 Jan 2026 00:00:00 UTC" }, "backend": { "path": "/users/{userId}", "host": "http://backend:8888" } } ] } Observe que o parser projetou os elementos estendidos da OAS no arquivo de configuração do KrakenD, inclusive fazendo as devidas conversões de valores, da seguinte forma: OAS KrakenD x-deprecated-at: deprecated.at: x-deprecated-link: deprecated.link: x-deprecated-sunset: deprecated.sunset: O plugin Agora que a configuração do gateway foi devidamente gerada a partir do arquivo de definição, nosso plugin personalizado entra em cena. A sua função é identificar as operações de API depreciadas e inserir os cabeçalhos da RFC 9745 com os valores adequados. Mais detalhes podem ser encontrados no repositório do artigo. Mas, uma vez que o plugin foi embarcado no KrakenD, temos os seguintes resultados: GET /users/1 DELETE /users/1 Observe que apenas a segunda operação estava depreciada (vide operations.json) e o gateway adicionou corretamente os cabeçalhos na resposta. Conclusões O experimento mostrou a viabilidade do conceito, ou seja, que é possível levar as políticas de depreciação para além da definição e documentação, sendo facilmente comunicadas em tempo de execução. Desta forma, os sistemas podem adotar ações automatizadas para comunicar a obsolescência aos interessados e reduzir significativamente as chances de falhas nas integrações. Embora as extensões da OpenAPI Specification tenham tornado isso possível diante da insuficiência do booleano deprecated, imagino que a OpenAPI Initiative deve incluir uma melhoria nas próximas versões. Sobretudo quando penso que Eric Wilde, co-autor desta RFC, é bem atuante no mundo das APIs. Aos leitores que chegaram até aqui, meu muito obrigado. Espero que estas poucas palavras lhes tenham acrescentado algo e feito o seu tempo valer a pena. Referências RFC 9745: https://www.rfc-editor.org/rfc/rfc9745 OpenAPI Specification: https://spec.openapis.org/oas/latest.html Incompatibilidade de Impedância: https://devblogs.microsoft.com/oldnewthing/20180123-00/?p=97865 Repositório: https://github.com/MichelFortes/articles-RFC9745 HttpBin: https://hub.docker.com/r/michelfortes/httpbin KrakenD – flexible configuration: https://www.krakend.io/docs/configuration/flexible-config PB33F - libopenapi: https://pb33f.io/libopenapi/